一种先进泳衣生产数据异常检测方法及系统发明专利

专利名称：一种先进泳衣生产数据异常检测方法及系统

专利类型：发明专利

专利申请号：CN202410940864.5

专利申请（专利权）人：辽宁英华纺织服饰集团有限公司
权利人地址：辽宁省葫芦岛市兴城市羊安乡刘八斗村

专利发明（设计）人：发明人:张存

专利摘要：本发明涉及数据处理技术领域，具体涉及一种先进泳衣生产数据异常检测方法及系统，包括：获取若干泳衣生产压力数据；根据泳衣生产压力数据的极端变化差异情况，从泳衣生产压力数据中划分出核心泳衣生产数据段；根据不同IMF泳衣生产分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度；根据核心泳衣生产数据段的分量噪声程度，到每个独立成分的噪声干扰度；根据每个独立成分的噪声干扰度，自适应调整迭代筛选独立成分并进行重构。本发明降低了有效信息的丢失，提高了去噪结果的准确性，提高了数据异常检测的效率。

主权利要求：
1.一种先进泳衣生产数据异常检测方法，其特征在于，该方法包括以下步骤：
获取若干泳衣生产压力数据；
根据泳衣生产压力数据的极端变化差异情况，从所有泳衣生产压力数据中划分出核心泳衣生产数据段；对核心泳衣生产数据段进行EMD分解得到若干IMF泳衣生产分量；根据不同IMF泳衣生产分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度；
对每个IMF分量进行ICA独立成分分析得到若干独立成分；根据核心泳衣生产数据段的分量噪声程度以及独立成分中不同数据区域之间同类数据的分布规律，得到每个独立成分的噪声干扰度；
根据每个独立成分的噪声干扰度，自适应调整迭代筛选独立成分并进行重构；
所述根据不同IMF泳衣生产分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度，包括的具体方法为：根据第 个IMF泳衣生产分量与核心泳衣生产数据段之间相同位序上的数据变化差异，以及第 个IMF泳衣生产分量上IMF泳衣生产数据整体的数值趋向表达情况，得到第 个IMF泳衣生产分量的初始分量噪声程度；
将任意两个相邻的IMF泳衣生产分量构成的分量组合记为泳衣生产对照分量组合；获取分量噪声程度的具体公式为：式中，表示核心泳衣生产数据段的分量噪声程度； 表示所有泳衣生产对照分量组合的数量； 表示第 个泳衣生产对照分量组合中第一个IMF泳衣生产分量的初始分量噪声程度； 表示第 个泳衣生产对照分量组合中第二个IMF泳衣生产分量的初始分量噪声程度； 表示第 个泳衣生产对照分量组合中两个IMF泳衣生产分量之间的皮尔逊相关系数； 表示取绝对值；
所述根据核心泳衣生产数据段的分量噪声程度以及独立成分中不同数据区域之间同类数据的分布规律，得到每个独立成分的噪声干扰度，包括的具体方法为：预设一个分段数量 ，将任意一个IMF泳衣生产分量在第一次迭代过程中的任意一个独立成分记为目标独立成分，将目标独立成分均分为 个数据段，并将每个数据段记为泳衣生产独立数据段；根据目标独立成分内相邻泳衣生产独立数据段之间的信息差异以及相同数值数据的出现频次分布，得到目标独立成分的独立成分噪声程度；
获取目标独立成分的重构邻域IMF差异值；根据目标独立成分的独立成分噪声程度以及重构邻域IMF差异值，得到目标独立成分的噪声干扰度，包括的具体方法为：式中，表示目标独立成分的噪声干扰度；表示目标独立成分的独立成分噪声程度；
表示目标独立成分中所有数据的方差；表示核心泳衣生产数据段的分量噪声程度；表示除目标独立成分以外所有独立成分的数量； 表示除目标独立成分以外第 个独立成分的独立成分噪声程度； 表示除目标独立成分以外第 个独立成分中所有数据的方差；
表示目标独立成分的重构邻域IMF差异值； 表示以自然常数为底的指数函数；
所述获取目标独立成分的重构邻域IMF差异值，包括的具体方法为：
通过ICA独立成分分析算法对目标独立成分以外所有独立成分进行重构得到重构后的IMF泳衣生产分量，并记为目标独立IMF泳衣生产分量；将目标独立IMF泳衣生产分量与其他所有IMF泳衣生产分量之间相同序号上数据的差值的绝对值的累加和，作为目标独立成分的重构邻域IMF差异值。
2.根据权利要求1所述一种先进泳衣生产数据异常检测方法，其特征在于，所述根据泳衣生产压力数据的极端变化差异情况，从泳衣生产压力数据中划分出核心泳衣生产数据段，包括的具体方法为：将所有泳衣生产数据构成的序列记为泳衣生产数据序列，对泳衣生产数据序列进行傅里叶变换得到频谱图；将频谱图中最大的极大值记为目标极大值，将目标极大值左侧距离目标极大值最小的极小值记为起始极小值，将目标极大值右侧距离目标极大值最小的极小值记为终止极小值，将起始极小值与终止极小值之间所有频率构成的区间记为泳衣核心频率区间，将核心频率区间对应的数据段记为泳衣核心频谱数据段，对泳衣核心频谱数据段进行逆傅里叶变换得到变换后的数据段，并记为核心泳衣生产数据段。
3.根据权利要求1所述一种先进泳衣生产数据异常检测方法，其特征在于，所述根据第个IMF泳衣生产分量与核心泳衣生产数据段之间相同位序上的数据变化差异，以及第 个IMF泳衣生产分量上IMF泳衣生产数据整体的数值趋向表达情况，得到第 个IMF泳衣生产分量的初始分量噪声程度，包括的具体方法为：式中， 表示第 个IMF泳衣生产分量的初始分量噪声程度； 表示第 个IMF泳衣生产分量中所有IMF泳衣生产数据的均值； 表示第 个IMF泳衣生产分量中所有IMF泳衣生产数据的数量； 表示第 个IMF泳衣生产分量中第 个IMF泳衣生产数据； 表示在核心泳衣生产数据段内，与第 个IMF泳衣生产分量中第 个IMF泳衣生产数据相同序号的核心泳衣生产数据。
4.根据权利要求3所述一种先进泳衣生产数据异常检测方法，其特征在于，计算初始分量噪声程度之前，还包括：对核心泳衣生产数据段中所有泳衣生产数据进行线性归一化；对IMF泳衣生产分量中所有核心泳衣IMF生产数据进行线性归一化。
5.根据权利要求1所述一种先进泳衣生产数据异常检测方法，其特征在于，所述根据目标独立成分内相邻泳衣生产独立数据段之间的信息差异以及相同数值数据的出现频次分布，得到目标独立成分的独立成分噪声程度，包括的具体方法为：获取每个泳衣生产独立数据段中每个数据的所有同值独立数据段；
式中，表示目标独立成分内所有泳衣生产独立数据段的数量； 表示目标独立成分内第 个泳衣生产独立数据段中所有数据的数量； 表示目标独立成分内第 个泳衣生产独立数据段中第 个数据； 表示目标独立成分内第 个泳衣生产独立数据段中，与第 个泳衣生产独立数据段中第 个数据相同序号的数据； 表示目标独立成分内第 个泳衣生产独立数据段中第 个数据的所有同值独立数据段的数量； 表示取绝对值。
6.根据权利要求5所述一种先进泳衣生产数据异常检测方法，其特征在于，所述获取每个泳衣生产独立数据段中每个数据的所有同值独立数据段，包括的具体方法为：将任意一个泳衣生产独立数据段中任意一个数据记为目标数据，将所有泳衣生产独立数据段中与目标数据数值相同的数据均记为同值目标数据；将每个同值目标数据所属的泳衣生产独立数据段记为目标数据的同值生产独立数据段。
7.一种先进泳衣生产数据异常检测系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1‑6任一项所述的一种先进泳衣生产数据异常检测方法的步骤。 说明书 : 一种先进泳衣生产数据异常检测方法及系统技术领域[0001] 本发明涉及数据处理技术领域，具体涉及一种先进泳衣生产数据异常检测方法及系统。背景技术[0002] 在泳衣的智能生产过程中，通过收集和分析泳衣生产过程中的生产数据，可以实现对泳衣生产流程的先进控制，提高泳衣的生产效率。为了保障用户个体在水体中进行游泳活动的安全性，需要对泳衣进行抗压测试，保证泳衣在可允许压力范围内不会破裂；但由于生产设备的复杂性、生产原料的多样性以及各种人为因素的影响，使泳衣的压力数据存在噪声，导致部分数据存在异常的情况，从而导致泳衣产品质量下降；因此，需要对泳衣生产过程中的压力数据进行异常去噪处理。[0003] 现有技术通常利用ICA(IndependentComponentAnalysis)独立成分分析算法对压力数据进行去噪；但由于泳衣本身可以进行一定程度地延展，导致部分泳衣区域的压力数据会被叠加，呈现出部分噪声的特征；而现有的ICA独立成分分析算法通过人为预设迭代次数对压力数据进行去噪，并没有考虑泳衣因存在延展性导致部分区域存在类似噪声的异常数据，导致独立出的噪声成分存在一部分为真实异常压力数据的信息成分，从而丢失了部分有效信息，降低了去噪结果的准确性。发明内容[0004] 本发明提供一种先进泳衣生产数据异常检测方法及系统，以解决现有的问题：现有的ICA独立成分分析算法通过人为预设迭代次数对压力数据进行去噪，并没有考虑泳衣因存在延展性导致部分区域存在类似噪声的异常数据，导致独立出的噪声成分存在一部分为真实异常压力数据的信息成分，丢失了部分有效信息。[0005] 本发明的一种先进泳衣生产数据异常检测方法及系统采用如下技术方案：[0006] 本发明提出了一种先进泳衣生产数据异常检测方法，该方法包括以下步骤：[0007] 获取若干泳衣生产压力数据；[0008] 根据泳衣生产压力数据的极端变化差异情况，从所有泳衣生产压力数据中划分出核心泳衣生产数据段；对核心泳衣生产数据段进行EMD分解得到若干IMF泳衣生产分量；根据不同IMF泳衣生产分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度；[0009] 对每个IMF分量进行ICA独立成分分析得到若干独立成分；根据核心泳衣生产数据段的分量噪声程度以及独立成分中不同数据区域之间同类数据的分布规律，得到每个独立成分的噪声干扰度；[0010] 根据每个独立成分的噪声干扰度，自适应调整迭代筛选独立成分并进行重构。[0011] 优选的，所述根据泳衣生产压力数据的极端变化差异情况，从泳衣生产压力数据中划分出核心泳衣生产数据段，包括的具体方法为：[0012] 将所有泳衣生产数据构成的序列记为泳衣生产数据序列，对泳衣生产数据序列进行傅里叶变换得到频谱图；将频谱图中最大的极大值记为目标极大值，将目标极大值左侧距离目标极大值最小的极小值记为起始极小值，将目标极大值右侧距离目标极大值最小的极小值记为终止极小值，将起始极小值与终止极小值之间所有频率构成的区间记为泳衣核心频率区间，将核心频率区间对应的数据段记为泳衣核心频谱数据段，对泳衣核心频谱数据段进行逆傅里叶变换得到变换后的数据段，并记为核心泳衣生产数据段。[0013] 优选的，所述根据不同IMF泳衣生产分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度，包括的具体方法为：[0014] 根据第 个IMF泳衣生产分量与核心泳衣生产数据段之间相同位序上的数据变化差异，以及第 个IMF泳衣生产分量上IMF泳衣生产数据整体的数值趋向表达情况，得到第个IMF泳衣生产分量的初始分量噪声程度；[0015] 将任意两个相邻的IMF泳衣生产分量构成的分量组合记为泳衣生产对照分量组合；获取分量噪声程度的具体公式为：[0016][0017] 式中，表示核心泳衣生产数据段的分量噪声程度； 表示所有泳衣生产对照分量组合的数量； 表示第 个泳衣生产对照分量组合中第一个IMF泳衣生产分量的初始分量噪声程度； 表示第 个泳衣生产对照分量组合中第二个IMF泳衣生产分量的初始分量噪声程度； 表示第 个泳衣生产对照分量组合中两个IMF泳衣生产分量之间的皮尔逊相关系数； 表示取绝对值。[0018] 优选的，所述根据第 个IMF泳衣生产分量与核心泳衣生产数据段之间相同位序上的数据变化差异，以及第 个IMF泳衣生产分量上IMF泳衣生产数据整体的数值趋向表达情况，得到第 个IMF泳衣生产分量的初始分量噪声程度，包括的具体方法为：[0019][0020] 式中， 表示第 个IMF泳衣生产分量的初始分量噪声程度； 表示第 个IMF泳衣生产分量中所有IMF泳衣生产数据的均值； 表示第 个IMF泳衣生产分量中所有IMF泳衣生产数据的数量； 表示第 个IMF泳衣生产分量中第 个IMF泳衣生产数据； 表示在核心泳衣生产数据段内，与第 个IMF泳衣生产分量中第 个IMF泳衣生产数据相同序号的核心泳衣生产数据。[0021] 优选的，计算初始分量噪声程度之前，还包括：[0022] 对核心泳衣生产数据段中所有泳衣生产数据进行线性归一化；对IMF泳衣生产分量中所有核心泳衣IMF生产数据进行线性归一化。[0023] 优选的，所述根据核心泳衣生产数据段的分量噪声程度以及独立成分中不同数据区域之间同类数据的分布规律，得到每个独立成分的噪声干扰度，包括的具体方法为：[0024] 预设一个分段数量 ，将任意一个IMF泳衣生产分量在第一次迭代过程中的任意一个独立成分记为目标独立成分，将目标独立成分均分为 个数据段，并将每个数据段记为泳衣生产独立数据段；根据目标独立成分内相邻泳衣生产独立数据段之间的信息差异以及相同数值数据的出现频次分布，得到目标独立成分的独立成分噪声程度；[0025] 获取目标独立成分的重构邻域IMF差异值；根据目标独立成分的独立成分噪声程度以及重构邻域IMF差异值，得到目标独立成分的噪声干扰度，包括的具体方法为：[0026][0027] 式中，表示目标独立成分的噪声干扰度；表示目标独立成分的独立成分噪声程度；表示目标独立成分中所有数据的方差；表示核心泳衣生产数据段的分量噪声程度；表示除目标独立成分以外所有独立成分的数量； 表示除目标独立成分以外第 个独立成分的独立成分噪声程度； 表示除目标独立成分以外第 个独立成分中所有数据的方差；表示目标独立成分的重构邻域IMF差异值； 表示以自然常数为底的指数函数。[0028] 优选的，所述根据目标独立成分内相邻泳衣生产独立数据段之间的信息差异以及相同数值数据的出现频次分布，得到目标独立成分的独立成分噪声程度，包括的具体方法为：[0029] 获取每个泳衣生产独立数据段中每个数据的所有同值独立数据段；[0030][0031] 式中，表示目标独立成分内所有泳衣生产独立数据段的数量； 表示目标独立成分内第 个泳衣生产独立数据段中所有数据的数量； 表示目标独立成分内第 个泳衣生产独立数据段中第 个数据； 表示目标独立成分内第 个泳衣生产独立数据段中，与第 个泳衣生产独立数据段中第 个数据相同序号的数据； 表示目标独立成分内第 个泳衣生产独立数据段中第 个数据的所有同值独立数据段的数量；表示取绝对值。[0032] 优选的，所述获取每个泳衣生产独立数据段中每个数据的所有同值独立数据段，包括的具体方法为：[0033] 将任意一个泳衣生产独立数据段中任意一个数据记为目标数据，将所有泳衣生产独立数据段中与目标数据数值相同的数据均记为同值目标数据；将每个同值目标数据所属的泳衣生产独立数据段记为目标数据的同值生产独立数据段。[0034] 优选的，所述获取目标独立成分的重构邻域IMF差异值，包括的具体方法为：[0035] 通过ICA独立成分分析算法对目标独立成分以外所有独立成分进行重构得到重构后的IMF泳衣生产分量，并记为目标独立IMF泳衣生产分量；将目标独立IMF泳衣生产分量与其他所有IMF泳衣生产分量之间相同序号上数据的差值的绝对值的累加和，作为目标独立成分的重构邻域IMF差异值。[0036] 本发明还提出了一种先进泳衣生产数据异常检测系统，包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序，以实现上述的一种先进泳衣生产数据异常检测方法的步骤。[0037] 本发明的技术方案的有益效果是：首先根据泳衣生产压力数据的极端变化差异情况，从泳衣生产压力数据中划分出核心泳衣生产数据段，通过划分核心泳衣生产数据段保障异常检测的速率；然后根据不同IMF泳衣生产分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度，分量噪声程度用于描述类似噪声特征的数据信息含量，使核心泳衣生产数据对应的生产过程中泳衣所处外界环境的环境因素越清楚；进而根据核心泳衣生产数据段的分量噪声程度以及独立成分中不同数据区域之间同类数据的分布规律，得到每个独立成分的噪声干扰度，噪声干扰度用于描述独立成分所含真实的噪声成分的程度，使独立成分被错误识别的概率降低；最后根据每个独立成分的噪声干扰度，自适应调整迭代筛选独立成分并进行重构，结合了泳衣的延展性导致的数据特征，使迭代次数实现自适应调整；本发明降低了有效信息的丢失，提高了去噪结果的准确性，提高了数据异常检测的效率。附图说明[0038] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0039] 图1为本发明的一种先进泳衣生产数据异常检测方法的步骤流程图。具体实施方式[0040] 为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的一种先进泳衣生产数据异常检测方法及系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。[0041] 除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。[0042] 下面结合附图具体的说明本发明所提供的一种先进泳衣生产数据异常检测方法及系统的具体方案。[0043] 请参阅图1，其示出了本发明一个实施例提供的一种先进泳衣生产数据异常检测方法的步骤流程图，该方法包括以下步骤：[0044] 步骤S001：获取若干泳衣生产压力数据。[0045] 需要说明的是，现有技术通常利用ICA(IndependentComponentAnalysis)独立成分分析算法对压力数据进行去噪；但由于泳衣本身可以进行一定程度地延展，导致部分泳衣区域的压力数据会被叠加，呈现出部分噪声的特征；而现有的ICA独立成分分析算法通过人为预设迭代次数对压力数据进行去噪，并没有考虑泳衣因存在延展性导致部分区域存在类似噪声的异常数据，导致独立出的噪声成分存在一部分为真实异常压力数据的信息成分，从而丢失了部分有效信息，降低了去噪结果的准确性。[0046] 具体的，首先需要采集泳衣生产压力数据，具体过程为：将压力传感器内置于泳衣表面，将泳衣放置于检测水体中，每隔2秒为一个检测时刻记录一次压力传感器传输的泳衣生产压力数据，共检测30分钟；获取若干泳衣生产压力数据。[0047] 所需说明的是，本实施例中的检测时刻以及检测总时间可根据具体实施情况而定。[0048] 至此，通过上述方法得到若干泳衣生产压力数据。[0049] 步骤S002：根据泳衣生产压力数据的极端变化差异情况，从所有泳衣生产压力数据中划分出核心泳衣生产数据段；对核心泳衣生产数据段进行EMD分解得到若干IMF泳衣生产分量；根据不同IMF泳衣生产分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度。[0050] 需要说明的是，在泳衣的生产过程中，会因生产设备的复杂性、生产原料的多样性以及各种人为因素的影响产生噪声，并且不同因素所产生的噪声之间还存在有一定差异的噪声特征，对压力数据的影响也会存在一定程度的差异，并且噪声还呈随机分布的状态，存在部分数据范围内噪声含量较多，部分数据范围内噪声含量较少的情况；而对于泳衣生产压力数据而言，容易将异常数据错误识别为噪声的数据通常具有一定类似噪声特征的数据变化特征，而噪声特征一般表现为单个数据与周围其他数据变化差异较大；因此，为了保证异常检测的效率不受较大影响，可以通过泳衣生产压力数据的极端变化差异情况，划分出核心泳衣生产数据段；然后在核心泳衣生产数据段中分析不同IMF分量之间噪声信息分布的变化关联差异，得到核心泳衣生产数据段的分量噪声程度，以便后续对ICA独立成分分析算法的迭代次数进行自适应调整。[0051] 具体的，将所有泳衣生产数据构成的序列记为泳衣生产数据序列，对泳衣生产数据序列进行傅里叶变换得到频谱图；将频谱图中最大的极大值记为目标极大值，将目标极大值左侧距离目标极大值最小的极小值记为起始极小值，将目标极大值右侧距离目标极大值最小的极小值记为终止极小值，将起始极小值与终止极小值之间所有频率构成的区间记为泳衣核心频率区间，将核心频率区间对应的数据段记为泳衣核心频谱数据段，对泳衣核心频谱数据段进行逆傅里叶变换得到变换后的数据段，并记为核心泳衣生产数据段；对核心泳衣生产数据段进行EMD分解得到若干IMF泳衣生产分量。其中频谱图中的横轴表示时间，纵轴表示频率；另外对数据段进行EMD分解获取IMF分量的过程是EMD(EmpiricalModeDecomposition)经验模态分解算法的公知内容，获取频谱图的过程是傅里叶变换的公知内容，逆傅里叶变换是公知技术，本实施例不再赘述。[0052] 特别说明的是，若目标极大值左侧不存在极小值，那么将目标极大值左侧第一个数据作为起始极小值；若目标极大值右侧不存在极小值，那么将目标极大值右侧最后一个数据作为终止极小值。[0053] 进一步的，对核心泳衣生产数据段中所有泳衣生产数据进行线性归一化，将归一化后的每个泳衣生产数据记为核心泳衣生产数据；以任意一个IMF泳衣生产分量为例，将每个核心泳衣生产数据在该IMF泳衣生产分量中对应的数据记为核心泳衣IMF生产数据；对该IMF泳衣生产分量中所有核心泳衣IMF生产数据进行线性归一化，将归一化后的每个核心泳衣IMF生产数据记为IMF泳衣生产数据。其中核心泳衣生产数据段中每个核心泳衣生产数据在每个IMF泳衣生产分量中对应一个IMF泳衣生产数据。[0054] 进一步的，根据第 个IMF泳衣生产分量与核心泳衣生产数据段之间相同位序上的数据变化差异，以及第 个IMF泳衣生产分量上IMF泳衣生产数据整体的数值趋向表达情况，得到第 个IMF泳衣生产分量的初始分量噪声程度。作为一种示例，可通过如下公式计算第个IMF泳衣生产分量的初始分量噪声程度：[0055][0056] 式中， 表示第 个IMF泳衣生产分量的初始分量噪声程度； 表示第 个IMF泳衣生产分量中所有IMF泳衣生产数据的均值； 表示第 个IMF泳衣生产分量中所有IMF泳衣生产数据的数量； 表示第 个IMF泳衣生产分量中第 个IMF泳衣生产数据； 表示在核心泳衣生产数据段内，与第 个IMF泳衣生产分量中第 个IMF泳衣生产数据相同序号的核心泳衣生产数据。[0057] 所需说明的是， 表示第 个IMF泳衣生产分量上IMF泳衣生产数据整体的数值趋向表达情况； 表示第 个IMF泳衣生产分量与核心泳衣生产数据段之间相同位序上的数据变化差异；其中若第 个IMF泳衣生产分量的初始分量噪声程度越大，说明第 个IMF泳衣生产分量中具有类似噪声特征的数据信息越多，反映第 个IMF泳衣生产分量越有可能存在被错误识别为噪声的信息。[0058] 进一步的，将任意两个相邻的IMF泳衣生产分量构成的分量组合记为泳衣生产对照分量组合；根据泳衣生产对照分量组合中不同IMF泳衣生产分量之间的噪声信息对照关联情况以及初始分量噪声程度，得到核心泳衣生产数据段的分量噪声程度。作为一种示例，可通过如下公式计算核心泳衣生产数据段的分量噪声程度：[0059][0060] 式中，表示核心泳衣生产数据段的分量噪声程度； 表示所有泳衣生产对照分量组合的数量； 表示第 个泳衣生产对照分量组合中第一个IMF泳衣生产分量的初始分量噪声程度； 表示第 个泳衣生产对照分量组合中第二个IMF泳衣生产分量的初始分量噪声程度； 表示第 个泳衣生产对照分量组合中两个IMF泳衣生产分量之间的皮尔逊相关系数； 表示取绝对值。其中皮尔逊相关系数的获取是公知技术，本实施例不再赘述。[0061] 所需说明的是，若核心泳衣生产数据段的分量噪声程度越大，说明核心泳衣生产数据段的不同信息频率之间噪声分布差异越明显，存在类似噪声特征的数据信息越多，反映核心泳衣生产数据对应的生产过程中泳衣所处外界环境的环境因素越复杂。[0062] 至此，通过上述方法得到核心泳衣生产数据段的分量噪声程度。[0063] 步骤S003：对每个IMF分量进行ICA独立成分分析得到若干独立成分；根据核心泳衣生产数据段的分量噪声程度以及独立成分中不同数据区域之间同类数据的分布规律，得到每个独立成分的噪声干扰度。[0064] 需要说明的是，在经过EMD经验模态分解算法分解IMF泳衣生产分量分析不同频率信息之间的噪声分布的关联差异后获取的分量噪声程度，增强了不同频率信息之间噪声信息的区别；通过ICA独立成分分析算法将每个IMF泳衣生产分量中的噪声成分独立出来的过程中，由于噪声还有随机分布的特征，所以同一IMF泳衣生产分量中不同数据区域内噪声信息含量并不相同，会存在部分数据区域之间存在类似的噪声特征，因此需要对不同数据段ICA独立成分分析后获取的独立成分进行分段，然后分析不同数据段之间同类数据的分布规律，获取独立成分的噪声干扰度，判定真实异常的噪声并去除。[0065] 具体的，对每个IMF泳衣生产分量输入ICA独立成分分析算法得到若干迭代过程中若干独立成分；预设一个分段数量 ，其中本实施例以 为例进行叙述，本实施例不进行具体限定，其中 可根据具体实施情况而定；将任意一个IMF泳衣生产分量在第一次迭代过程中的任意一个独立成分记为目标独立成分，将目标独立成分均分为 个数据段，并将每个数据段记为泳衣生产独立数据段；将任意一个泳衣生产独立数据段中任意一个数据记为目标数据，将所有泳衣生产独立数据段中与目标数据数值相同的数据均记为同值目标数据；将每个同值目标数据所属的泳衣生产独立数据段记为目标数据的同值生产独立数据段；获取每个泳衣生产独立数据段中每个数据的所有同值独立数据段。其中每个IMF泳衣生产分量对应多个独立成分，每个独立成分对应一段数据；另外获取独立成分的过程是ICA(IndependentComponentAnalysis)独立成分分析算法的公知内容，本实施例不再赘述。[0066] 进一步的，根据目标独立成分内相邻泳衣生产独立数据段之间的信息差异以及相同数值数据的出现频次分布，得到目标独立成分的独立成分噪声程度。作为一种示例，可通过如下公式计算目标独立成分的独立成分噪声程度：[0067][0068] 式中，表示目标独立成分的独立成分噪声程度；表示目标独立成分内所有泳衣生产独立数据段的数量； 表示目标独立成分内第 个泳衣生产独立数据段中所有数据的数量； 表示目标独立成分内第 个泳衣生产独立数据段中第 个数据；表示目标独立成分内第 个泳衣生产独立数据段中，与第 个泳衣生产独立数据段中第 个数据相同序号的数据； 表示目标独立成分内第 个泳衣生产独立数据段中第 个数据的所有同值独立数据段的数量； 表示取绝对值； 表示以自然常数为底的指数函数，实施例采用 模型来呈现反比例关系及归一化处理，为模型的输入，实施者可根据实际情况选择反比例函数及归一化函数。获取所有独立成分的独立成分噪声程度。[0069] 所需说明的是， 表示相邻泳衣生产独立数据段之间的信息差异； 表示相同数值数据的出现频次分布；其中若目标独立成分的独立成分噪声程度越大，说明目标独立成分越有可能存在噪声。[0070] 进一步的，对目标独立成分以外所有独立成分进行重构得到重构后的IMF泳衣生产分量，并记为目标独立IMF泳衣生产分量；将目标独立IMF泳衣生产分量与其他所有IMF泳衣生产分量之间相同序号上数据的差值的绝对值的累加和，作为目标独立成分的重构邻域IMF差异值；根据目标独立成分的独立成分噪声程度以及重构邻域IMF差异值，得到目标独立成分的噪声干扰度。其中对独立成分进行重构的过程是ICA(IndependentComponentAnalysis)独立成分分析算法的公知内容，本实施例不再赘述。作为一种示例，可通过如下公式计算目标独立成分的噪声干扰度：[0071][0072] 式中，表示目标独立成分的噪声干扰度；表示目标独立成分的独立成分噪声程度；表示目标独立成分中所有数据的方差；表示核心泳衣生产数据段的分量噪声程度；表示除目标独立成分以外所有独立成分的数量； 表示除目标独立成分以外第 个独立成分的独立成分噪声程度； 表示除目标独立成分以外第 个独立成分中所有数据的方差； 表示目标独立成分的重构邻域IMF差异值； 表示以自然常数为底的指数函数，实施例采用 模型来呈现反比例关系及归一化处理，为模型的输入，实施者可根据实际情况选择反比例函数及归一化函数。获取每个独立成分的噪声干扰度。[0073] 所需说明的是，若目标独立成分的噪声干扰度越大，说明目标独立成分越有可能属于真实的噪声成分，反映目标独立成分所含错误识别噪声成分的可能性越小。[0074] 至此，通过上述方法得到每个独立成分的噪声干扰度。[0075] 步骤S004：根据每个独立成分的噪声干扰度，自适应调整迭代筛选独立成分并进行重构。[0076] 具体的，预设一个噪声干扰度阈值 ，其中本实施例以 为例进行叙述，本实施例不进行具体限定，其中 可根据具体实施情况而定；将噪声干扰度第一次大于 的独立成分所属的迭代过程记为自适应最终迭代过程；并将自适应最终迭代过程中噪声干扰度小于 的独立成分均记为泳衣生产核心有效信息成分；对所有泳衣生产核心有效信息成分进行重构，得到重构后的若干IMF泳衣生产分量；并将重构后的若干IMF泳衣生产分量进行重新合成，得到合成后的泳衣生产压力数据。其中对若干IMF泳衣生产分量进行合成获取数据的过程是EMD经验模态分解算法的公知内容，本实施例不再赘述。[0077] 进一步的，将所有合成后的泳衣生产压力数据输入LOF局部离群因子算法，获取每个合成后的泳衣生产压力数据的LOF值；预设一个LOF值的阈值 ，其中本实施例以为例进行叙述，本实施例不进行具体限定，其中 可根据具体实施情况而定；将LOF值大于 的合成后的泳衣生产压力数据记为异常泳衣生产压力数据。其中获取LOF值的过程是LOF(LocalOutlierFactor)局部离群因子算法的公知内容，本实施例不再赘述。[0078] 通过以上步骤，完成对泳衣生产数据的异常检测。[0079] 本发明的另一个实施例提供了一种先进泳衣生产数据异常检测系统，所述系统包括存储器和处理器，所述处理器执行所述存储器存储的计算机程序时，执行上述方法步骤S001到步骤S004。[0080] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

专利地区：辽宁

专利申请日期：2024-07-15

专利公开日期：2024-10-18

专利公告号：CN118484667B